論文の概要: Nearest-neighbour baselines for fingerprint prediction from MS/MS spectra under different assumptions

• arxiv url: http://arxiv.org/abs/2610.02249v1
• Date: Wed, 30 Sep 2026 18:41:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.014137
• Title: Nearest-neighbour baselines for fingerprint prediction from MS/MS spectra under different assumptions
• Title（参考訳）: 異なる仮定下でのMS/MSスペクトルからの指紋予測のための最近傍ベースライン
• Abstract要約: Nearest neighbor」は、推測で利用できると思われる情報が異なる検索方法のファミリーである。 いくつかの近辺の変種を体系的に比較し、これらの異なる仮定が性能にどのように影響するかを示す。 私たちのゴールは、より厳格なベンチマークを可能にし、この分野の進歩をよりよく測定する、より厳格なベースラインを確立することです。
• 参考スコア（独自算出の注目度）: 0.2995087247817662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It has recently been shown that nearest-neighbour retrieval provides a strong baseline for molecular fingerprint prediction from MS/MS spectra, with several variants matching or outperforming current deep learning models (Khoo and Barzilay, 2026; Liu et al., 2026; Gupta et al., 2026). Importantly, "nearest neighbour" encompasses a family of retrieval methods that differ in the information assumed to be available at inference. In this report, we systematically compare several nearest-neighbour variants and show how these differing assumptions affect performance. Our goal is to establish stricter baselines that enable more rigorous benchmarking and better measure progress in this area.
• Abstract（参考訳）: 近年,MS/MSスペクトルからの分子指紋の検索は,現在の深層学習モデル(Khoo and Barzilay, 2026; Liu et al , 2026; Gupta et al , 2026)と一致する,あるいはより優れたいくつかの変種が存在する。 重要な点として、「アレスト近隣」は、推測で利用できると思われる情報が異なる検索方法のファミリーを含んでいる。 本稿では,近辺の変種を系統的に比較し,これらの異なる仮定が性能に与える影響を示す。 私たちのゴールは、より厳格なベンチマークを可能にし、この分野の進歩をよりよく測定する、より厳格なベースラインを確立することです。

関連論文リスト

• scTranslation: A Comprehensive Benchmark for Single-Cell Multi-Omics Modality Translation [61.97613474494102]
  scTranslationは、シングルセルマルチオミクスのモダリティ変換タスクの包括的なベンチマークである。 多様な翻訳データセットが含まれ、最先端のモデルを統合し、包括的な評価指標を提供する。
  論文  参考訳（メタデータ） (2026-06-02T17:00:49Z)
• Robust Nearest Neighbour Retrieval Using Targeted Manifold Manipulation [0.0]
  最近傍の検索は、分類と説明可能なAIパイプラインの中心である。 特徴多様体の指定された領域に各サンプルをどの程度容易に適用できるかを評価することによって,検索を再現するTMM-NNを提案する。 TMM-NNは軽量でクエリ固有のトリガパッチを通じてこれを実装している。
  論文  参考訳（メタデータ） (2025-11-09T07:37:05Z)
• Explaining the Success of Nearest Neighbor Methods in Prediction [20.63799450632279]
  予測手法は近接探索を利用して過去のトレーニング例をテスト例と最もよく似たものにする。 この本は、理論上も実際においても、これらの手法の成功を説明することを目的としている。
  論文  参考訳（メタデータ） (2025-02-21T19:37:57Z)
• PredBench: Benchmarking Spatio-Temporal Prediction across Diverse Disciplines [86.36060279469304]
  予測時間ネットワークの総合評価に適したベンチマークであるPredBenchを紹介する。 このベンチマークでは、広く採用されている12のメソッドと、複数のアプリケーションドメインにまたがる多様なデータセットを統合する。 その多次元評価フレームワークは、総合的なメトリクスセットで分析を広げる。
  論文  参考訳（メタデータ） (2024-07-11T11:51:36Z)
• On high-dimensional modifications of the nearest neighbor classifier [0.0]
  本稿では,これらの既存手法について考察し,新しい手法を提案する。 提案手法の実証的性能と既存手法との比較を行うため,いくつかのシミュレーションおよびベンチマークデータセットを分析した。
  論文  参考訳（メタデータ） (2024-07-06T17:53:53Z)
• The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
  マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。 Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。 クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
  論文  参考訳（メタデータ） (2024-06-11T22:26:20Z)
• Semi-Supervised Learning with Variational Bayesian Inference and Maximum Uncertainty Regularization [62.21716612888669]
  半教師付き学習(SSL)を改善するための2つの一般的な方法を提案する。 第一に、重量摂動(WP)を既存のCR(Consistency regularization)ベースの手法に統合する。 第2の手法は「最大不確実性正規化(MUR)」と呼ばれる新しい整合性損失を提案する。
  論文  参考訳（メタデータ） (2020-12-03T09:49:35Z)
• Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
  逆例は機械学習モデルにおいて広く研究されている現象である。 そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:49:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。